几何深度学习已能够有效挖掘和学习图结构数据、建模真实世界。然而，大多数研究都集中在静态图上，忽略了现实世界网络的动态性质，如化学中分子间的反应过程、行走的人群、人际关系的演化等，此类拓扑和属性随着时间的推移而演变，这些动态信息是AI理解复杂系统运行底层机制的关键。我们如何建模动态系统乃至更复杂的物理系统，理解真实九游体育世界？

　　，针对复杂物理系统和长时间动态模拟系统，介绍其团队基于几何图学习对这两类系统的建模最新工作以及相关应用，并且对未来

　　相关领域进行展望。读书会将于8月22日（本周四）进行，欢迎感兴趣的朋友参与讨论交流！

　　荣钰博士，IEEE Senior Member，阿里巴巴达摩院基础智能中心资深技术专家，负责AI for Science方向

　　。荣钰博士在2016年于香港中文大学获得系统工程与工程管理博士学位及进行博士后研究。2017年6月加入腾讯AI Lab，任职专家研究员，负责腾讯云深智药平台分子属性预测模块建设, 同时作为组织者参与第二届Open Catalyst Challenge,获得第一名。2024年6月加入达摩院，负责AI for Science方向研究。主要研究方向为图深度学习，大规模图系统，AI for Science等。谷歌学术引用8000余次，单篇最高引用1400余次。H-index 38。两篇文章入选

　　达摩院AI for Science实验室校招进行时！大量校招职位开放，方向涉及基础模型开发，应用开发，模拟计算，训练加速等职位。让我们一起打开有意思的未来！

　　推荐语：本文通过将二阶物理先验知识引入等变图模型的构造，成功实现了对长时间物理过程的模拟。

　　推荐语：本文提出了基于离散等变群的等变图神经网络，通过放松严格等变假设，使得模型可以更好的建模实际物理场景，例如交通动态预测，人群动态预测等。

　　推荐语：本文通过引入历史轨迹来对时空数据中非马尔可夫交互建模，同时设计基于等变的傅里叶变换模块去学习历史轨迹中存在的周期规律来实现对多尺度动态建模的准确预测。

　　推荐语：本文从数据，模型，应用的角度系统梳理了当前几何图神经网络的相关进展

　　报名成为主讲人读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。详情请见：几何深度学习读书会启动：破解自然法则，启发科学智能

　　拓扑编织着复杂世界，机器学习孕育着技术奇点。一个维度，其中拓扑理论与深度学习模型交织共鸣；一个领域，它跨越了数学的严谨与本质以及人工智能的无限可能，开辟着通往科学新纪元的航道。让我们携手在几何深度学习的起点出发，一路探索如何走向AI for Science的无限未来。

　　集智俱乐部联合中国人民大学黄文炳副教授、上海交通大学王宇光副教授和南洋理工大学夏克林副教授发起「几何深度学习」读书会。从2024年7月11日开始，每周四19:00-21:00进行，持续时间预计 8-10 周，社区成员将一起系统性地学习几何深度学习相关知识、模型、算法，深入梳理相关文献、激发跨学科的学术火花、共同打造国内首个几何深度学习社区！欢迎加入社区与发起人老师一起探索！